具身智能 · 数据方向速览（2026-08-27）

本期起，抓取调整为数据优先：聚焦具身/机器人数据的架构、平台、管线。收录信号：数据管线/平台/基础设施、数据采集、遥操作、示范数据、合成数据、数据生成、数据策展、数据扩展、数据集。

为什么从数据角度看具身

具身智能（尤其 VLA / 世界模型）的瓶颈早已不是"模型结构"，而是数据： - 一条可用的机器人示范成本高（遥操作人工、硬件损耗、跨机器不通用）； - 数据异构（不同机械臂/相机/动作空间/夹爪），难以统一训练； - 真实接触/失败数据稀缺，模型看不见"恢复"和"边界"； - 模型学家的产出越来越依赖"数据飞轮"：合成数据 → 训练 → 过滤 → 再生成。

所以数据架构/平台/管线，正从"辅助"变成"第一公民"。

本批数据方向精选（3 篇）

1. Scene2Demo — 自进化式离线具身数据生成

核心思想：给一张真实 RGB 图 + 一条用户查询，自动产出：可交互仿真场景、可执行任务配置、多视角执行视频、以及离线机器人学习数据集。核心是一个"物体-动作图"的模块化工作流，把任务生成落到"物体为中心的状态 + 动作迁移"；执行失败/不完整时，由反馈代理查看 rollout 回放、修订动作流。 为什么值得关注：这是"数据飞轮自动化"的代表——不靠人手录示范，靠"图→场景→任务→执行→自反馈"自动造数据。102 个场景-任务对执行成功率 71.6%，且生成的数据训出的 BC 策略在新任务上达到 96%/92% 成功率；与 RoboGen、GenSim2 对比在自动化数据生成下规划/执行更强。 一句话：给机器人一个"自己造题、自己刷题、自己改错"的数据引擎。链接：https://arxiv.org/abs/2608.26114（以实际为准，见 Obsidian 笔记）

2. CRESSim-Neo — 批量 GPU 手术仿真引擎 + 合成数据 + GPU 驻留数据管线

核心思想：面向手术机器人/机器人学习的一体化仿真引擎：位置法同时解算刚体/可变形组织/流体/线绳，配批量渲染、手术专用传感（如超声图像合成），并内置 GPU-resident 数据管线——可直接访问物理/渲染缓冲、DLPACK 零拷贝接 PyTorch，让"在 GPU 里训练"成为可能。 为什么值得关注：仿真是合成数据的第一生产力，而手术/医疗是标注最贵、最不可及的领域。CRESSim-Neo 在 4090 上吞吐 2.03M env steps/s（8192 并行 CartPole）、可扩展批量手术场景，等于把"造数据"变成"可量化吞吐的流水线"。 一句话：把手术/医疗的合成数据造得像工业流水线一样快、可扩展。链接：https://arxiv.org/abs/2608.25192

3. ROS2 Connect — 跨广域网(WAN)的机器人数据通信平台

核心思想：ROS2 靠 DDS/RTPS 组播发现，在 WAN（跨网段/跨地域）下不可用，远程操作/分布式困难。ROS2 Connect 用 WebSocket 客户端-服务器架构，无需改网络基础设施/DDS，即可双向传输 topic/service/action/系统数据，并带认证与访问控制。 为什么值得关注：这是机器人数据的传输层——把"分布在各处的机器人/集群/云端"连成一张统一数据网，是数据平台/管线的地基（远程遥操作、云边协同、多机器人数据汇集都依赖它）。实测比 DDS Router、rosbridge、Zenoh 更低延迟、更稳、更可扩展。 一句话：给机器人的数据铺一条穿到任何网络的“高速公路”。链接：https://arxiv.org/abs/2608.25102

一句话启示

造数据比存数据值钱：自动生成 + 自我反馈（Scene2Demo）是解数据困局的钥匙。
仿真吞吐 = 数据产能：把"合成数据"变成可量化的 GPU 流水线（CRESSim-Neo）。
数据要先"连得起来"：跨网数据平台（ROS2 Connect）决定了数据能否被统一消费。

说明

export.arxiv.org 目前对本机限流（429），本条从官方 RSS（cs.RO）抓取；管线已内置 API→RSS 自动兜底。
管线查询已改为数据方向（配置见 ~/.arxiv_reader/config.json），后续每日自动累积数据向论文。
若需"数据平台/管线"更全的盘点，等限流恢复后我用 export API 做多日/跨分类深度检索，可另行生成一份「数据基础设施专题」。